Forschende des Fraunhofer-Instituts für Lasertechnik ILT haben gemeinsam mit Projektpartnern eine KI zur Unterstützung im Laserauftragschweißen entwickelt. Damit lassen sich im Bergbau verschlissene Schaufelzähne und andere Werkzeuge erneuern.
Werkzeuge, die im Bergbau genutzt werden, unterliegen einem enormen Verschleiß. Baggerschaufeln mit verschlissenen Zähnen oder stumpf gewordene Meißel und Steinebrecher werden in der Regel eingeschmolzen und durch neue ersetzt. Das ist teuer und nicht ressourcenschonend.
Eine Alternative hierzu ist das Laserauftragschweißen (Laser Material Deposition, LMD). Dabei werden ein metallisches Pulver und der Laserstrahl durch eine Optik so geführt, dass der Laserstrahl lokal auf dem Bauteil ein Schmelzbad erzeugt und das Pulver aufgetragen wird. Durch die Bewegung werden hochwertige Metalllegierungen Bahn für Bahn und Schicht für Schicht aufgetragen. Auf diese Weise wird die ursprüngliche Kontur, beispielsweise eines abgeschliffenen Baggerzahns oder einer Bohrkrone, exakt wiederhergestellt.
Im Projekt AI-SLAM (Artificial Intelligence Enhancement of Process Sensing for Adaptive Laser Additive Manufacturing) kombinieren die Fraunhofer-Forschenden die Lasertechnik mit Künstlicher Intelligenz. „Ziel des Projekts war die Automatisierung aller Schritte: von der Aufnahme der Defekte über die Planung der Bahnen und Parameter beim Schweißen bis zur Umsetzung und Qualitätskontrolle“, erklärt Max Zimmermann, Projektleiter Beschichtung LMD und Wärmebehandlung in der Abteilung Laserauftragschweißen am Fraunhofer ILT.
Partner des Vorhabens sind der National Research Council of Canada, die McGill University in Montreal sowie Unternehmen wie der KI-Spezialist Braintoy in Calgary und Apollo Machine and Welding aus Alberta. Auch der Softwareentwickler BCT aus Dortmund ist beteiligt.
Ultrahartes Wolframkarbid und Edelstahl
Bei der Reparatur gleitet die Laseroptik in einer vorberechneten Bahn über die Oberfläche des Werkzeugs. Dabei wird Edelstahl bei circa 1300 °C geschmolzen und aufgetragen. Gleichzeitig blasen Düsen Wolframkarbidpartikel darauf. Diese verbinden sich mit dem geschmolzenen Edelstahl und bilden nach dem Abkühlen eine ultraharte Schicht auf dem Werkzeug – sie ist sowohl Verschleiß- als auch Korrosionsschutz.
Eine Herausforderung für das Forschenden-Team bestand darin, das optimale Mischungsverhältnis aus Wolframkarbidpartikeln und Stahl zu finden. „Zu viele Partikel machen die Schicht spröde und rissig, bei zu viel Edelstahl ist die Schicht zu weich und schnell wieder abgenutzt“, erklärt Zimmermann. Außerdem muss die Laserleistung so eingestellt sein, dass die Temperatur hoch genug ist, um Stahl zu schmelzen, aber nicht so hoch, dass Wolframkarbidpartikel ebenfalls schmelzen (bei circa 2900 °C). Denn dann hätten diese ihre Härte verloren. Zahlreiche weitere Parameter kommen hinzu: der Abstand der Düsen zur Oberfläche, die Geschwindigkeit, mit der die Bahnen gezogen werden, die Überlappung der Bahnen, die Laserleistung und vieles mehr. Insgesamt müssen bei der Planung eines Reparaturvorgangs 150 Parameter festgelegt und aufeinander abgestimmt werden.
KI plant und steuert die Reparatur
Für AI-Slam haben die Forschenden eine mehrteilige KI entwickelt, die diesen komplexen Planungs- und Steuerungsprozess regelt. Im ersten Schritt erfasst ein Linienlaser mithilfe einer CMOS-Kamera (Complementary Metal Oxide Semiconductor) die abgenutzten Konturen des Werkzeugs, beispielsweise eines Baggerzahns. So entsteht ein Abbild der aktuellen Oberflächengeometrie. Dieses wird mit der Kontur des Zahns im Neuzustand abgeglichen, die in der Software hinterlegt ist. Aus der Differenz errechnen sich schließlich Verlauf und Dicke der aufzutragenden Metallschicht. Mittels Kamera erkennt die KI schon während des Beschichtungsvorgangs Abweichungen oder Fehler.
Quelle: Fraunhofer ILT
